Tensorflow模型持久化具体操作有哪些细节？

本文共计1619个文字，预计阅读时间需要7分钟。

使用TensorFlow训练神经网络时，模型持久化对训练至关重要。若神经网络复杂且数据量大，模型训练将耗时较长。

当我们使用 tensorflow 训练神经网络的时候，模型持久化对于我们的训练有很重要的作用。

如果我们的神经网络比较复杂，训练数据比较多，那么我们的模型训练就会耗时很长，如果在训练过程中出现某些不可预计的错误，导致我们的训练意外终止，那么我们将会前功尽弃。为了避免这个问题，我们就可以通过模型持久化（保存为CKPT格式）来暂存我们训练过程中的临时数据。

如果我们训练的模型需要提供给用户做离线的预测，那么我们只需要前向传播的过程，只需得到预测值就可以了，这个时候我们就可以通过模型持久化（保存为PB格式）只保存前向传播中需要的变量并将变量的值固定下来，这个时候只需用户提供一个输入，我们就可以通过模型得到一个输出给用户。